2016年7月-10月，中國金融認證中心（CFCA）、中國電子銀行網（微信公眾號：cfca-cebnet）聯合全國70余家銀行發起“2016金融科技引領銀行未來”征文活動。以下為熱心網友通過網絡渠道投來的稿件。 　　　

　　作者單位：蘇州銀行 零售銀行總部互聯網融資事業部

　　一、前言

　　進入2013年，蓬勃發展多年的互聯網公司開始在金融領域跑馬圈地。以阿里、騰訊等巨頭為代表的互聯網新貴，利用多年在線上積累與經營的平臺優勢與支付渠道攻城略地，在商業銀行占據的市場中撕開了一道道口子。特別是2015年以來，以大數據風控為核心特征的線上消費金融開啟井噴式發展的勢頭，各類參與者如雨后春筍般層出不窮，除了持牌消費金融公司之外，電商零售巨頭以及各類分期公司等迅速加入，誕生了螞蟻借唄、微粒貸、京東白條等諸多基于大數據來識別客戶風險的在線貸款產品，在消費金融市場掀起一波波浪潮。相比之下，銀行傳統的信審模式多依賴于人工分析，難以通過互聯網快速復制擴展業務。盡管一些銀行開始嘗試引進咨詢公司，希望能依靠其先進的技術來開發模型，然而收效并不顯著。那么，面對互聯網新貴們在消費信貸領域咄咄逼人的競爭壓力，銀行還有沒有機會突出重圍呢？該如何突圍呢？

　　二、數據是銀行在風險建模領域的優勢

　　突圍的關鍵在于找到自身的優勢。在銀行看來，建模工作的成敗取決于建模團隊的技術實力，那么通過向咨詢公司購買技術，就可以開發出一套先進的模型。然而，在當今時代決定模型好壞的因素已經越來越多的從單純的建模能力趨向于數據的完整性以及使用的有效性。我們知道，最近幾十年，伴隨著計算機計算能力的增強和制造成本的降低，以往晦澀深奧的統計理論與技術不斷被嵌入應用軟件，從而越來越廣泛的被普通研究人員所應用。比如說機器學習理論中的支持向量機（SVM）算法，在20世紀80年代還是相當前沿的理論，但在R語言的崛起與不斷更新之后，這一算法已經成為高校統計專業的普通研究生都可以應用的技術了。因此，隨著建模技術的“傻瓜化”，建模的門檻越來越低，而決定建模有效性的因素更多的在于所掌握數據的完整性與有效性。恰恰在這一方面，銀行相比于一般的互聯網公司有著難以估量的優勢。

　　（一）銀行在征信信息獲取方面的優勢

　　首先，銀行相比于互聯網公司有更多的機會獲取客戶的人行征信信息。在客戶風險的度量方面，人行征信報告是非常有價值的信息，其包含的個人信貸交易歷史，最直接的反映了客戶的信用水平。然而，由于征信報告的高度私密性與敏感性，人行對于征信報告的獲取與使用有著非常嚴格的限制。目前，接入征信系統的主要包括各類商業銀行、融資性擔保公司和小額貸款公司等具有較高注冊門檻的金融機構，大多數互聯網公司仍然被排斥在征信系統之外。盡管未來征信系統的發展趨勢是向所有使用者開放，但在短期之內還難以實現這一點。

　?。ǘ┿y行在存量客戶及特殊數據獲取方面的優勢

　　銀行經營多年積累的存量客戶數據，以及在政府扶持下享有的特殊數據（如社保、公積金信息）查詢資格等，更是一般的互聯網公司可望而不可及的。以工商銀行為例，截止2016年一季度末，其個人客戶數量已經達到5.05億戶。更為重要的是，在這5.05億戶背后是海量的個人儲蓄、基金、保險、國債等交易記錄，對于建模來說無疑是一座巨大的金礦。

　　此外，一些中小型地方銀行盡管沒有國有大型銀行的那么廣的數據覆蓋面，但利用其在當地的本土優勢，也擁有出奇制勝的潛力。例如面向本地居民發行的市民卡往往集成了社保、就業等種種功能，一旦能夠獲取市民卡信息，相應的收入、職業信息也就盡在掌握中。地方政府出于扶持本地法人金融機構的目的，往往將發卡行的資格授予當地城商行，這就使它們在獲取此類信息方面居于優先的地位。

　?。ㄈ┗ヂ摼W公司在數據應用中面臨的問題

　　與銀行擁有的上述數據不同，許多互聯網公司擁有的數據在建模中還存在著較大的問題。近年來，一些互聯網公司標榜能夠從客戶在互聯網上的行為來判斷其信用水平（例如從客戶晚上10點以后登陸不同類型網站的記錄來推斷欺詐的概率）。然而，在實際應用上尚未發現此類“軟信息”與客戶資質之間存在穩定、顯著的聯系。LendingClub在建立之初，也曾嘗試通過個人在Facebook上的交互行為來判斷其風險，然而屢遭碰壁，最終還是依靠引入FICO基于信用卡和信貸等交易歷史計算的得分，才逐漸有了穩定的模型效果。

　　既然網絡行為之類的“軟信息”難以反映客戶的信用水平，而人行征信的大門又不對互聯網公司開放。為此一些P2P公司嘗試組團搭建行業征信平臺，通過互相分享逾期客戶數據來進行彌補。如果這一機制能夠有效運轉，那么無疑是非常有價值的。但是，在該機制中潛伏的利益沖突削弱了其有效性。比如說，如果一家P2P平臺發現自己的客戶已經逾期，那么他們可能希望該客戶在其他P2P平臺成功借款來償還在自身平臺的貸款，因此他們并不愿意將該客戶的信息告知其他平臺。這就導致了最終分享的信息存在嚴重的扭曲，從而導致實際使用時的效果大打折扣。

　　三、銀行在發揮數據優勢中需要注意的問題

　　以上的分析顯示銀行具有一般的互聯網公司不可比擬的數據優勢，然而僅僅擁有這一優勢并不意味著能夠變成現實的生產力。實際上，將數據優勢轉化為有效的風險模型，還需要大量的工作，下面試舉兩點說明。

　　（一）“壞客戶”數據的獲取

　　只有數據中同時存在大量的“好客戶”（正常還款的客戶）與“壞客戶”（逾期或惡意拖欠客戶），我們才能夠通過兩者的對比發現決定這些客戶最終表現的各種因素，進而得到風險模型。但是，銀行自身擁有的數據往往難以滿足這一點。與一般的互聯網公司較為激進的信貸政策相比，銀行在風險管理上的舉措相對顯得保守。傳統銀行信審模式下對于個人或企業財務情況的高要求，以及對于擔保措施的要求等將絕大多數可能發生逾期或不良的客戶排除了出去。相應的，銀行的數據中壞客戶的數量一般極少，這對于建立一個有效、穩定的風險模型提出了很大的挑戰。為此，銀行可以通過從其他互聯網金融公司購買逾期客戶數據來進行彌補。但需要注意的是，引進的數據中客戶特征需要與銀行自身的客戶特征存在較大的一致性，這樣才具有可比意義。

　?。ǘ祿卫頇C制的建立

　　銀行擁有的數據雖多，卻往往分散在各個部門，形成了一個個“數據孤島”，這就引起了一系列的問題。首先，這些來自于不同部門的數據缺少統一的數據標準，難以建立全面準確完整的單一數據視圖。其次，不同部門往往存在不用的數據治理流程與考核機制，因此數據質量也千差萬別。第三，由于數據分布在不同的業務與技術部門，缺少清晰的協調機制與統一的報告渠道，這會導致建模缺少及時的數據支持。第四，數據的分散也對數據安全管理構成了較大的隱患，對敏感信息的訪問如果沒有有效控制，銀行可能面臨潛在的法律與聲譽風險。因此，銀行還需要建立一套完整的數據治理機制，做好數據的獲取、管理與使用。

　　四、結論

　　當今的時代是信息時代，決定未來的關鍵在于信息獲取的完整性、及時性與有效性。而對于消費金融蓬勃發展的今天，數據更是風險建模的生命?？梢哉f，誰掌握了數據，誰就掌握了消費金融的未來。與發展歷史很短的互聯網公司相比，銀行在長期經營中積累了海量的客戶數據。另外，銀行能夠直接獲得人行征信數據、地方特有數據（如社保、公積金數據）等一般的互聯網公司難以獲取的寶貴信息。這就為風險建模鋪平了道路。明確了這一優勢，銀行需要做的就是盡快將數據優勢轉化為模型優勢，從而打造銀行在消費金融市場的“獨門秘籍”?！?/p>

責任編輯：曉麗